一种具有隐私保护和平滑修正的分布式医疗辅助诊断方法技术

技术编号:38464300 阅读:29 留言:0更新日期:2023-08-11 14:41
本发明专利技术提供一种具有隐私保护和平滑修正的分布式医疗辅助诊断方法,包括如下步骤:S1:构建一个由多家医院或诊疗机构(后续描述为节点)所构成的连通网络,该网络包含n个节点,仅需满足基本连通的条件,即任一节点仅需与部分节点保持连通,即可与网内的所有节点通信,而并不要求节点与全部节点直接连通;S2:采集m个内部特征数据构成向量集;S3:建立医疗诊断问题为二分类的逻辑回归问题;S4:调用平滑修正的Exact diffusion分布式优化算法;S5:利用所得到的和新的病人特征数据计算logistic函数的值;S6:做出医疗诊断。本发明专利技术与其他分布式优化算法不同的是,Exact diffusion算法中的节点并不传递梯度信息以及具有偏差的平滑修正作用,这种方式给隐私数据带来了更严格的保护和更高的预测精度。带来了更严格的保护和更高的预测精度。带来了更严格的保护和更高的预测精度。

【技术实现步骤摘要】
一种具有隐私保护和平滑修正的分布式医疗辅助诊断方法


[0001]本专利技术涉及医疗
,特别涉及一种医疗辅助诊断方法。

技术介绍

[0002]随着机器学习与大数据技术的不断发展,其在医疗诊断中作为一种辅助手段的作用越来越重要。一方面现代疾病的种类繁多,区分复杂,另一方面医生工作任务繁重,面对大量的病理检查项目极易造成人为的误诊。
[0003]目前,利用机器学习分类方法进行医疗辅助诊断的手段(例如糖尿病、癌症等病症的判断)正处于积极探索中,且已开发的大多数方法存在以下突出问题:
[0004](1)集中式机器学习方法需要集中收集病人的原始数据后再进行机器学习和诊断。在单个医院环境下,由于采用集中学习的病人数据量小,导致机器学习方法效率低、精度差。因此往往需要开展多家医院利用大量的病例样本进行联合诊断。在这种情况下,每一家医院对于病人的检查数据是严格保密的,若需要多家医院开展联合诊断,就会遭受隐私泄露的重大风险;
[0005](2)即使在分布式环境下,大多数基于分布式优化算法的机器学习方法需要传递梯度数据,而梯度值是利用现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种具有隐私保护和平滑修正的分布式医疗辅助诊断方法,其特征在于,包括如下步骤:S1:构建一个由多节点所构成的连通网络,该网络包含n个节点,仅需满足基本连通的条件,即任一节点i仅需与部分节点保持连通,即可与网内的所有节点通信,而并不要求节点i与全部节点直接连通;S2:节点i采集m个内部特征数据构成向量集,描述为其中为p维实数集,以及对应的标签数据γ
i,l
∈{

1,1},1表示阳性,

1表示阴性;S3:建立医疗诊断问题为二分类的逻辑回归(logistic regression)问题,每个节点的logistic函数为其中μ为规格化参数,(
·
)
T
为向量的转置,x为回归系数或称为机器学习问题中的模型参数;我们的目标是基于连通的网络实现最小化上述目标函数从而获得最优的x
*
,即S4:调用平滑偏差修正的Exact diffusion分布式优化算法,迭代求取x
*
的精确近似值;S5:利用所得到的x
*
和新的病人特征数据h
new
计算logistic函数的值S6:基于g(h
new
)的值,对新的病例做出医疗诊断,即当g(h
new
)≥0.5时诊断为阳性,当g(h
new
)<0.5时诊断为阴性。2.如权利要求1所述的方法,其特征在于,所述具有平滑偏差修正的Exact diffusion...

【专利技术属性】
技术研发人员:吴谋赵君喆田凤霞许泱钟良骥金国念汪志勇肖永刚
申请(专利权)人:湖北科技学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1